| Statuss(Aktīvs) | Izdruka | Arhīvs(0) | Studiju plāns Vecais plāns | Kursu katalogs | Vēsture |
| Kurstitel | |
| Kurs-Code | DatZ4012 |
| Kreditpunkte (ECTS) | 3 |
| Stundenzahl insgesamt (im Auditorium) | 81 |
| Vorlesungen (Stundenzahl) | 8 |
| Stundenzahl fŅr Seminare und praktische Arbeitsaufträge | 24 |
| Selbststandige Arbeit des Studenten (Stunden) | 49 |
| Bestätigt am (Datum) | 06/09/2022 |
| Kurs ausgearbeitet von (Lehrkraft) | |
| , Aleksejs Zacepins , Vitālijs Komašilovs |
|
| Vorkenntnisse | |
| DatZ1010, DatZ3019, Mate1038, |
|
| Zur einfŅhrenden LektŅre empfohlen | |
| 1.Haykin S. S. et al. Neural networks and learning machines. Vol. 3. Upper Saddle River: Pearson, 2009. 2.Graupe D. Deep learning neural networks: design and case studies. World Scientific Publishing Company. New Jersey: World Scientific, 2016. 263 p. | |
| Weiterfuhrende Literatur | |
| 1.Alpaydin E. Machine learning: the new AI. Cambridge, MA: MIT Press, 2016. | |
| Zur LektŅre vorgeschlagene Zeitschriften | |
| 1. Colaboratory. Pieejams: https://colab.research.google.com
2.The Jupyter Notebook. Pieejams: http://jupyter.org/ 3.TensorFlow. Pieejams: https://www.tensorflow.org/ |
|